社群媒體對資訊傳播和公眾意見塑造很重要。研究分析了數百萬篇有關ChatGPT和COVID-19疫苗的帖子，探討線上平台如何影響大眾看法。研究使用主題分析和情感分析來了解不同平台和事件對線上討論的影響。結果顯示，COVID-19疫苗討論因為緊迫性而傳播速度快，而ChatGPT討論則發展較緩慢。 PubMed DOI

研究探討2022年12月1日至2023年3月1日間ChatGPT推出後的初期反應和情緒。透過分析Twitter數據，發現公眾對這個聊天機器人的討論集中在擔憂和意見上。研究指出ChatGPT受到正負面評價，人們對其能力和影響持有著興奮與謹慎並存的態度。 PubMed DOI

COVID-19時期，Twitter（現名「X」）成為兒童癌症討論主平台。研究分析161,000則推文（2019/12至2022/5），發現正面詞多於負面，如支持、愛，負面有悲傷、風險。用戶透過Twitter提高意識、分享經驗，討論兒童癌症研究和政策。儘管挑戰重重，兒童癌症推文仍正向，著重健康、支持和意識。 PubMed DOI

研究指出，社群媒體可幫助監控HPV疫苗疑慮。透過語言模型分析超過653,000則推文，發現不良反應、個人經驗及疫苗強制接種等議題。2020年後，推文中出現個人經驗及父母同意和透明度的討論。這方法有助於針對性干預、揭露錯誤資訊，並改善公共衛生宣導。 PubMed DOI

這項研究探討主流媒體在Facebook上對COVID-19疫苗的報導，及其與主要疫苗製造商股票表現的關聯。分析了2020年1月至2021年12月的貼文，並使用結構主題模型找出十個關鍵主題，如疫苗試驗和政治化。雖然某些Facebook反應（如「Haha」和「Angry」）與股價波動有關，但情感反應對交易量的影響不大。研究顯示社交媒體情緒與金融市場之間的複雜互動，並建議未來可用大型語言模型進行更深入的分析。 PubMed DOI

在COVID-19疫情期間，mRNA疫苗的發展是疫苗技術的一大進步，但公眾對接種的猶豫引發了對未來mRNA醫療創新的擔憂。從2022年6月到2023年5月，我們進行了社交聆聽分析，發現對mRNA疫苗的安全性和有效性普遍存在負面情緒，且信心缺失。討論多集中在副作用、謠言和錯誤資訊上。這顯示出需要針對性的溝通策略，以提升公眾對醫療的接受度和信任，增強社會面對未來健康危機的韌性。 PubMed DOI

這項研究分析了來自加拿大、美國和歐洲的英文推文，探討公眾對長期新冠的看法與情感。研究發現五個主要主題，包括疫苗接種後的長期新冠情況、持續時間與痛苦、持續症狀、對治療研究的需求，以及症狀測量。研究強調了各地對長期新冠的關注，並指出重大事件會影響公眾情感。透過自然語言處理技術，這項研究為公共衛生策略提供了重要見解，顯示社交媒體在解決公共衛生問題上的潛力。 PubMed DOI

這項研究比較了多種情感分析方法，包括手動編碼、自然語言處理工具（VADER、TEXT2DATA、LIWC-22）和ChatGPT 4.0，針對有關鴉片類藥物危機的YouTube評論進行分析。研究發現，LIWC-22在估算負面情感方面表現優異，而VADER在分類負面評論上最佳。自然語言處理工具與手動編碼的一致性一般，ChatGPT 4.0表現較差。建議使用VADER和LIWC-22來分析不平衡數據集，特別是負面情緒的情況下。 PubMed DOI

這項研究調查了美國紐約、洛杉磯和芝加哥居民在 COVID-19 疫情過渡期間的情感變化。研究分析了超過 119,000 條 Twitter 帖子，發現情感水平與確診數有顯著相關，紐約市的相關性最高（0.89），芝加哥中等（0.65），洛杉磯較低（0.39）。隨著疫情減退，與 COVID-19 相關的詞彙逐漸被其他詞彙取代，顯示對限制措施的關注度下降。整體來看，疫情接近尾聲時，對限制措施的負面情感減少，突顯了疫情對城市居民的社會心理影響。 PubMed DOI

這項研究探討了日本在2022年重新推廣後，HPV疫苗接種率仍然低迷的原因，特別是社交媒體上公眾的態度。研究發現，錯誤資訊、自滿情緒和可及性問題是影響接種的關鍵因素。透過分析2011至2021年的推文，研究顯示公眾情緒在特定年份有顯著變化，與健康事件和政策變動相關。研究強調針對疫苗猶豫的公共衛生干預必要性，並指出大型語言模型在理解公共衛生態度方面的潛力，為未來提升疫苗接種率提供參考。 PubMed DOI